以“竹藤种质资源数据库”中126个竹种为基础数据,应用K均值聚类算法(K-means算法)、小批量K均值聚类算法(Mini Batch K means算法)、凝聚层次聚类算法,依据竹种酸不溶木质素、苯醇提取物、综纤维素、基本密度、纤维长度、纤维双壁厚、...以“竹藤种质资源数据库”中126个竹种为基础数据,应用K均值聚类算法(K-means算法)、小批量K均值聚类算法(Mini Batch K means算法)、凝聚层次聚类算法,依据竹种酸不溶木质素、苯醇提取物、综纤维素、基本密度、纤维长度、纤维双壁厚、纤维壁腔比7个特征对竹种筛选分级,遴选优良造纸竹种,分析聚类算法对竹藤种质资源的聚类有效性。结果表明:K均值聚类算法具有最高的卡林斯其-哈瑞本斯(Calinski_Harabaz(CH))指标值(63.568),聚类效果最好,126个竹种分为3级。其中:Ⅰ级造纸竹种,包含糯竹、空竹等51个竹种,适合制作高级纸张;Ⅱ级造纸竹种,包括毛竹、思劳竹等62个竹种,适合在排污能力强的造纸厂做纸浆造纸原料。K均值聚类算法是竹种造纸适应性分析的高效可靠的方法,具有较好的应用前景。展开更多
文摘通过健康信息传播和教育说服公众形成健康行为意愿是一个现实课题。本文以精细加工可能性模型(elabo‐ration likelihood model,ELM)为理论基础,将说服路径分为中心路径和外围路径,同时引入短期的时间纵向数据追踪。本文实施了10天左右持续使用健康信息的日记报告实验,基于30名大学生提交的377条健康信息日记数据,建立个体层面与信息线索、时间层面的多层线性回归模型(hierarchical linear modeling,HLM),探究健康信息对个体健康行为意愿的说服机制。研究结果表明,健康行为意愿的说服过程主要是信息质量和来源可信度的混合式说服路径;在7天周期内,健康信息说服效果逐渐增强,其中信息质量的说服效果更为稳定,来源可信度的说服效果则随着时间推移逐渐被抵消;健康信息说服路径随个体特征和接触时机而变;健康意识调节来源可信度和信息热度对说服效果的影响,且具有时间效应;卷入度调节信息质量和来源可信度对信息说服效果的影响,但不存在时间效应。本文的研究结果有助于深入理解健康信息对健康行为意愿改变的说服机制,为建立“以人为本”的个性化健康信息传播和健康教育方案提供了参考。
文摘以“竹藤种质资源数据库”中126个竹种为基础数据,应用K均值聚类算法(K-means算法)、小批量K均值聚类算法(Mini Batch K means算法)、凝聚层次聚类算法,依据竹种酸不溶木质素、苯醇提取物、综纤维素、基本密度、纤维长度、纤维双壁厚、纤维壁腔比7个特征对竹种筛选分级,遴选优良造纸竹种,分析聚类算法对竹藤种质资源的聚类有效性。结果表明:K均值聚类算法具有最高的卡林斯其-哈瑞本斯(Calinski_Harabaz(CH))指标值(63.568),聚类效果最好,126个竹种分为3级。其中:Ⅰ级造纸竹种,包含糯竹、空竹等51个竹种,适合制作高级纸张;Ⅱ级造纸竹种,包括毛竹、思劳竹等62个竹种,适合在排污能力强的造纸厂做纸浆造纸原料。K均值聚类算法是竹种造纸适应性分析的高效可靠的方法,具有较好的应用前景。
